使用神经网络来监测的抛光装置专利检索-输入层多层感知器前馈神经网络人工神经网络机器学习人工智能人工智能专利检索查询-专利查询网

使用神经网络来监测的抛光装置

阅读：415发布：2024-02-13

专利汇可以提供使用神经网络来监测的抛光装置专利检索，专利查询，专利分析的服务。并且一种在抛光站抛光基板上的层的方法，包含以下动作：于在抛光站抛光期间利用原位监测系统监测所述层，以针对所述层上的多个不同位置产生多个所测得信号；针对多个不同位置中的每一位置，产生所述位置的对厚度的估算测量结果，产生步骤包含通过神经网络处理多个所测得信号；以及以下步骤中的至少一者：基于每一个对厚度的估算测量结果检测抛光终点或修改抛光参数。，下面是使用神经网络来监测的抛光装置专利的具体信息内容。

权利要求

1.一种抛光基板的方法，包括：
在抛光站抛光所述基板上的层；
于在所述抛光站抛光期间利用原位监测系统监测所述层，以针对所述层上的多个不同位置产生多个所测得信号；
针对所述多个不同位置中的每一位置，产生所述位置的对厚度的估算测量结果，所述产生包括：通过神经网络处理所述多个所测得信号；以及
以下中的至少一者：基于每一个对厚度的估算测量结果检测抛光终点或修改抛光参数。
2.如权利要求1所述的方法，进一步包括：
针对所述层的一或更多个不同位置中的每一位置，获取对厚度的参考真实测量结果；
计算针对每一位置的所述对厚度的估算测量结果与针对所述位置的对应的所述对厚度的参考真实测量结果之间的测量结果误差；以及
基于所述测量结果误差，更新所述神经网络系统的所述参数。
3.如权利要求2所述的方法，其中基于四点探针法确定所述对厚度的参考真实测量结果。
4.一种抛光系统，包括：
载具，所述载具用于固持基板；
支撑件，所述支撑件用于抛光表面；
原位监测系统，所述原位监测系统具有传感器，所述原位监测系统经配置以针对所述层上的多个不同位置产生所测得信号；
电机，所述电机用于产生所述传感器与所述基板之间的相对运动；以及
控制器，所述控制器经配置以
接收来自所述原位监测系统的所述多个所测得信号，
针对所述多个不同位置中的每一位置，产生所述位置的对厚度的估算测量结果，所述产生包括：通过神经网络处理所述多个所测得信号，以及
基于每一个对厚度的估算测量结果，检测抛光终点、修改抛光参数、或二者皆进行。
5.如权利要求4所述的抛光系统，其中所述控制器进一步经配置以：针对所述层上的第二多个不同位置中的每一位置，基于针对所述位置的所述所测得信号产生所述位置的对厚度的估算测量结果，所述产生包括：使用静态公式，所述静态公式使所述所测得信号的多个值相关于对厚度的估算测量结果的多个值。
6.如权利要求4所述的抛光系统，其中所述控制器进一步经配置以：针对第二基板上的层上的第三多个不同位置中的每一位置，基于针对所述位置的所述所测得信号产生所述位置的对厚度的估算测量结果，所述产生包括：使用静态公式，所述静态公式使所述所测得信号的多个值相关于对厚度的估算测量结果的多个值。
7.如权利要求4所述的抛光系统，其中所述原位监测系统包括涡电流传感器。
8.一种编码有指令的计算机存储介质，当由一或更多个计算机执行所述指令时，使得所述一或更多个计算机执行包括以下操作的操作：
于在抛光站抛光基板上的层期间，接收来自原位监测系统的针对所述层上的多个不同位置的多个所测得信号；
针对所述多个不同位置中的每一位置，产生所述位置的对厚度的估算测量结果，所述产生包括通过神经网络处理所述多个所测得信号；以及
以下中的至少一者：基于每一个对厚度的估算测量结果检测抛光终点或修改抛光参数。
9.如权利要求8所述的计算机存储介质，其中所述操作进一步包括：
接收针对所述层上的第二多个不同位置的第二多个所测得信号；以及
针对所述第二多个不同位置中的每一位置，基于针对所述位置的所述所测得信号产生所述位置的对厚度的估算测量结果，所述产生包括：使用静态公式，所述静态公式使所述所测得信号的多个值相关于对厚度的估算测量结果的多个值。
10.如权利要求8所述的计算机存储介质，其中所述操作进一步包括：
接收针对第二基板上的层的第三多个所测得信号，所述第三多个所测得信号中的每一个对应于所述第二基板上的所述层上的第三多个位置中的一位置；以及
针对所述第三多个不同位置中的每一位置，基于针对所述位置的所述所测得信号产生所述位置的对厚度的估算测量结果，所述产生包括：使用静态公式，所述静态公式使所述所测得信号的多个值相关于对厚度的估算测量结果的多个值。
11.如权利要求8所述的计算机存储介质，其中：
所述神经网络包括一或更多个神经网络层，所述一或更多个神经网络层包括输入层、输出层、与一或更多个隐藏层；
每一神经网络层包括一或更多个神经网络节点；以及
每一神经网络节点被配置成根据一组参数处理输入，以产生输出。
12.如权利要求11所述的计算机存储介质，其中对所述输入层中的神经网络节点的所述输入包括：所述抛光站的垫的磨耗程度的测量结果。
13.如权利要求11所述的计算机存储介质，其中所述一或更多个不同位置包括锚位置，且其中确定每一第一厚度测量结果包括：基于针对所述锚位置的所述所测得信号标准化每一所测得信号，以更新所述所测得信号。
14.如权利要求13所述的计算机存储介质，其中每一个对厚度的估算测量结果为标准化值，且其中所述操作进一步包括：使用针对所述锚位置的所述所测得信号，将每一个对厚度的估算测量结果转换成非标准化值，以更新所述对厚度的估算测量结果。
15.如权利要求8所述的计算机存储介质，其中所述操作进一步包括：
接收针对所述层的一或更多个不同位置中的每一位置的对厚度的参考真实测量结果；
计算针对每一位置的所述对厚度的估算测量结果与针对所述位置的对应的所述对厚度的参考真实测量结果之间的测量结果误差；以及
基于所述测量结果误差更新所述神经网络系统的所述参数。

说明书全文

使用神经网络来监测的抛光装置

技术领域

[0001] 本公开涉及基板抛光期间的原位监测(in-situ monitoring)。

背景技术

[0002] 通常通过循序沉积导电层、半导体层或绝缘层到硅晶片上，并通过随后对层进行处理，以在基板(例如半导体晶片)上形成集成电路。

[0003] 一个制造步骤涉及将填料层沉积到非平面的表面上，并将填料层平面化，直到非平面表面暴露为止。例如，可在图案化绝缘层上沉积导电性填料层，以填充在绝缘层中的沟槽或孔。填料层随后被抛光，直到绝缘层的突出图案暴露为止。在平面化之后，剩余在绝缘层的突出图案之间的导电层部分，形成在基板上的薄膜电路之间提供导电路径的通孔、插件与线。此外，可使用平面化以将基板表面平面化以进行光刻。

[0004] 化学机械抛光(CMP)为一种被接受的平面化方法。此平面化方法通常需要将基板装设在承载头上。基板的暴露表面，被放置为抵靠旋转的抛光垫。承载头对基板提供可控制的负载，以将基板推向抛光垫。抛光液体(诸如具有磨料粒子的浆料)被供应至抛光垫的表面。

[0005] 在半导体工艺期间，确定基板(或基板上的层)的一或更多个特性可以是重要的。例如，了解CMP工艺期间导电层的厚度可以是重要的，以便在正确的时间终止工艺。可使用数个方法以确定基板特性。例如，可使用光学传感器以在化学机械抛光期间对基板进行原位监测。替代地或额外地，可使用涡电流感测系统以在基板上的导电区域中引发涡电流，以确定诸如导电区域局部厚度之类的参数。
发明内容

[0006] 在一个方面中，一种在抛光站抛光基板上的层的方法，包含：于在抛光站抛光期间利用原位监测系统监测所述层，以针对所述层上的多个不同位置产生多个所测得信号，针对多个不同位置中的每一位置，产生所述位置的对厚度的估算测量结果，产生步骤包含通过神经网络处理多个所测得信号，以及以下步骤中的至少一者：基于每一个对厚度的估算测量结果检测抛光终点或修改抛光参数。

[0007] 在另一方面中，对应的计算机系统、设备、以及记录在一或更多个计算机存储装置上的计算机程序，经配置以执行方法。一或更多个计算机的系统可经配置以通过安装在系统上的在操作中可使系统执行动作的软件、固件、硬件、或它们的任何组合，来执行特定的操作或动作。一或更多个计算机程序可经配置以通过包含当由数据处理设备执行时使设备执行动作的指令，来执行特定的操作或动作。

[0008] 在另一方面中，抛光系统包含：载具，用于固持基板；用于一抛光表面的支撑件；原位监测系统，具有传感器；电机，用于产生传感器与基板之间的相对运动；以及控制器。原位监测系统经配置以针对层上的多个不同位置产生所测得信号。控制器经配置以：接收来自原位监测系统的多个所测得信号；针对多个不同位置中的每一位置，产生所述位置的对厚度的估算测量结果，所述产生包含：通过神经网络处理多个所测得信号；以及基于每一个对厚度的估算测量结果，检测抛光终点、修改抛光参数、或二者皆进行。

[0009] 前述方面的任意者的实施例，可包含下列特征之一或更多者。

[0010] 可针对层上的第二多个不同位置获取第二多个所测得信号。可针对第二多个不同位置中的每一位置，基于针对此位置的所测得信号，产生所述位置的对厚度的估算测量结果。产生对厚度的估算测量结果可包含：使用静态公式，静态公式使所测得信号的多个值相关于对厚度的估算测量结果的多个值。可针对第二基板上的层获取第三多个所测得信号。第三多个所测得信号中的每一个可对应于第二基板上的层上的第三多个位置中的一位置。
可针对第三多个不同位置中的每一位置，基于针对此位置的所测得信号，产生所述位置的对厚度的估算测量结果。产生对厚度的估算测量结果可包含：使用静态公式，静态公式使所测得信号的多个值相关于对厚度的估算测量结果的多个值。

[0011] 原位监测系统可包括涡电流传感器。神经网络可包含一或更多个神经网络层，一或更多个神经网络层包含输入层、输出层、与一或更多个隐藏层；每一神经网络层可包含一或更多个神经网络节点。每一神经网络节点可经配置以根据一组参数处理输入，以产生输出。对输入层中的神经网络节点的输入可包含抛光站的垫的磨耗程度的测量结果。一或更多个不同位置可包含锚位置，且确定每一第一厚度测量结果可包含：基于针对锚位置的所测得信号标准化每一所测得信号，以更新所测得信号。锚位置可与基板的边缘间隔开。每一个对厚度的估算测量结果可以是标准化值，且方法可进一步包含以下动作：使用针对锚位置的所测得信号，将每一个对厚度的估算测量结果转换成非标准化值，以更新对厚度的估算测量结果。

[0012] 可针对层的一或更多个不同位置中的每一位置，获取对厚度的参考真实测量结果。可计算针对每一位置的对厚度的估算测量结果与针对此位置的对应的对厚度的参考真实测量结果之间的测量结果误差。可基于测量结果误差，更新神经网络系统的参数。可基于四点探针法(four-points probes method)确定对厚度的参考真实测量结果。基于测量结果误差更新神经网络系统的参数可包括：通过神经网络的多个层反向传播的测量结果误差的梯度。

[0013] 一些实施例可包含下列优点之一或更多者。原位监测系统(例如涡电流监测系统)可随着传感器跨基板扫描而产生信号。系统可补偿对应于基板边缘的信号部分中的失真。信号可用于终点控制和/或抛光参数(例如承载头压力)的闭环控制，因此改良了晶片内不一致性(WIWNU)与晶片间不一致性(WTWNU)。

[0014] 在附图与下面的描述中阐述一或更多个实施例的细节。根据说明书与附图，以及权利要求，将可显然理解其他的方面、特征与优点。

附图说明

[0015] 图1A为包含涡电流监测系统的化学机械抛光站的部分截面示意侧视图。

[0016] 图1B为化学机械抛光站的示意俯视图。

[0017] 图2为正被抛光设备的传感器头扫描的基板的示意俯视图。

[0018] 图3为用于基于所测得信号确定基板厚度的静态公式的示意图表。

[0019] 图4为在监测基板上的位置的同时获取的所测得信号的示意图表。

[0020] 图5为示例神经网络。

[0021] 图6为用于抛光基板的示例过程的流程图。

[0022] 图7为用于使用神经网络产生对厚度的估算测量结果的示例过程的流程图。

[0023] 图8为用于训练神经网络以产生所测得信号群组的经修改信号的示例过程的流程图。

[0024] 在各种附图中，类似的组件符号指示类似的组件。

具体实施方式

[0025] 抛光设备可使用原位监测系统(例如涡电流监测系统)，以检测基板上正被抛光的外层的厚度。在抛光外层期间，原位监测系统可确定基板上的层的不同位置的厚度。可使用厚度测量结果，以触发抛光终点，和/或实时调整抛光工艺的处理参数。例如，基板承载头可调整基板背侧上的压力，以提升或降低外层的多个位置的抛光速率。可调整抛光速率，使得在抛光之后，层的多个位置的厚度实质上相同。CMP系统可调整抛光速率，使得层的多个位置的抛光约在同一时间完成。这种轮廓控制可被称为实时轮廓控制(real time profile control；RTPC)。

[0026] 原位监测系统可经受在接近基板边缘的位置处的测量结果的信号失真。例如，涡电流监测系统可产生磁场。在基板边缘附近处，信号可能人为地低，因为磁场仅部分地覆盖基板的导电层。然而，若抛光设备使用神经网络以基于原位监测系统所产生的所测得信号来产生经修改信号，则设备可补偿基板边缘处的失真(例如减少的信号强度)。

[0027] 图1A与图1B图示说明抛光设备100的示例。抛光设备100包含可旋转式碟形平台120，抛光垫110位于碟形平台120上。平台可被操作以绕轴125旋转。例如，电机121可转动驱动轴124，以旋转平台120。抛光垫110可以是具有外侧抛光层112与较软的背托层114的双层抛光垫。

[0028] 抛光设备100可包含端口130以施配抛光液体132(诸如浆料)到抛光垫110上。抛光设备亦可包含抛光垫调节器，以打磨抛光垫110而使抛光垫110维持在一致的研磨状态中。

[0029] 抛光设备100包含至少一个承载头140。承载头140可操作以将基板10固持抵靠抛光垫110。承载头140可具有对与每一相应基板相关联的抛光参数(例如压力)的独立控制。

[0030] 特定而言，承载头140可包含扣环142以将基板10保持在柔性膜144之下。承载头140亦包含由膜限定的多个可独立控制的压力腔室，例如三个腔室146a-146c，腔室146a-
146c可施加可独立控制的压力至柔性膜144上(且因此在基板10上)的相关联分区。虽然为了容易图示说明，图1仅图示说明三个腔室，但可存在一或两个腔室、或四或更多个腔室，例如五个腔室。

[0031] 承载头140从支撑结构150(例如转盘或轨道)悬吊，且通过驱动轴152连接至承载头旋转电机154，以使承载头可绕轴155旋转。任选地，承载头140可横向摆荡，例如，在转盘150或轨道上的滑动件上；或通过转盘自身的旋转性摆荡。在操作中，平台绕平台中央轴125旋转，且承载头绕承载头中央轴155旋转并跨抛光垫的顶表面横向位移。

[0032] 虽然仅图示一个承载头140，但可提供更多承载头以固持额外的基板，使得抛光垫110的表面区域可被有效率地使用。

[0033] 抛光设备100亦包含原位监测系统160。原位监测系统160产生根据基板上的层的厚度的时变值序列。原位监测系统160包含传感器头，在传感器头产生测量结果；由于基板与传感器头之间的相对运动，将在基板上的不同位置处进行测量。

[0034] 原位监测系统160可以是涡电流监测系统。涡电流监测系统160包含驱动系统以在基板上的导电层中引发涡电流，并包含感测系统以检测由驱动系统在导电层中引发的涡电流。监测系统160包含核心162、至少一个线圈164、与驱动感测电路系统166，核心162被定位在凹槽128中以随平台旋转，至少一个线圈164卷绕在核心162的一部分的周围，驱动感测电路系统166由配线168连接至线圈164。核心162与线圈164的组合，可提供传感器头。在一些实施例中，核心162突出到平台120的顶表面之上，例如进入抛光垫110的底部中的凹槽118。

[0035] 驱动感测电路系统166经配置以施加振荡电性信号至线圈164，并测量所产生的涡电流。驱动感测电路系统可有各种可能的配置，且一或多个线圈的配置与位置可具有各种可能的配置，例如美国专利第6,924,641号、第7,112,960号和第8,284,560号，以及美国专利公开第2011-0189925号与第2012-0276661号中所说明的。驱动感测电路系统166可位于同一凹槽128内，或平台120的不同部分内，或可位于平台120外并通过旋转电管接头129耦合至平台中的部件。

[0036] 在操作中，驱动感测电路系统166驱动线圈164以产生振荡磁场。至少一部分的磁场延伸穿过抛光垫110并进入基板10。若基板10上存在导电层，则振荡磁场在导电层中产生涡电流。涡电流使导电层作为阻抗源，阻抗源被耦合至驱动感测电路系统166。随着导电层的厚度改变，阻抗也改变，这可被驱动感测电路系统166检测到。

[0037] 替代地或额外地，可将光学监测系统固定至平台120于凹槽128中，光学监测系统可作为反射计或干涉计。若同时使用这两种系统，则光学监测系统与涡电流监测系统可监测基板的同一部分。

[0038] CMP设备100亦可包含位置传感器180(诸如光学遮断器)，以感测核心162何时位于基板10下方。例如，光学遮断器可被装设在承载头140对面的一固定点处。旗标182被附接至平台周边。旗标182的附接点与长度被选定，以使得旗标182在核心162扫过基板10下方的同时遮断传感器180的光学信号。替代地或额外地，CMP设备可包含编码器，以确定平台的角位置。

[0039] 控制器190(诸如通用可编程数字计算机)接收来自涡电流监测系统160的强度信号。控制器190可包含处理器、存储器、与输入输出(I/O)装置，以及输出装置192(例如监视器)与输入设备194(例如键盘)。

[0040] 信号可从涡电流监测系统160通过旋转电管接头129传至控制器190。或者，电路系统166可通过无线信号与控制器190通信。

[0041] 因为在平台每次旋转时核心162扫过基板下方，导电层厚度的信息被原位地且在连续实时的基础上累积(每一次平台旋转产生一次)。控制器190可经编程以在基板大抵覆盖核心162时(由位置传感器确定)，取样来自监测系统的测量结果。随着抛光进展，导电层的厚度改变，且所取样的信号随着时间变化。时变取样信号可被称为轨迹(traces)。来自监测系统的测量结果，在抛光期间可被显示在输出装置192上，以准许装置操作者视觉监测抛光操作的进程。

[0042] 在操作中，CMP设备100可使用涡电流监测系统160，以确定填料层的块体何时已被移除，和/或确定下覆的停止层何时已被实质暴露。对于检测器逻辑的可能的过程控制与终点准则，包含局部最小值与最大值、斜率改变、振幅或斜率的阈值、或以上的组合。

[0043] 控制器190亦可被连接至压力机构以控制承载头140施加的压力，连接至承载头旋转电机154以控制承载头旋转速率，连接至平台旋转电机121以控制平台旋转速率，或连接至浆料分布系统130以控制供应至抛光垫的浆料组成物。此外，计算机190可经编程以将来自涡电流监测系统160的根据基板下方每次扫略的测量结果分成多个取样分区，以计算每一取样分区的径向位置，并将振幅测量结果排列成径向范围，如美国专利第6,399,501号所讨论的。在将测量结果排列成径向范围之后，关于膜厚度的信息可被实时馈送到闭环控制器中，以周期性或连续地修改承载头施加的抛光压力轮廓，以提供改良的抛光均匀度。

[0044] 控制器190可使用相关曲线(使原位监测系统160测得的信号相关于基板10上正被抛光的层的厚度)，以产生正被抛光的层的厚度的估算测量结果。图3图示相关曲线303的示例。在图3绘制的坐标系统中，水平轴代表从原位监测系统160接收的信号值，而垂直轴代表基板10的层的厚度值。对于给定信号值，控制器190可使用相关曲线303，以产生对应的厚度值。相关曲线303可被视为“静态”公式，因为相关曲线303对每一信号值预测厚度值而不论传感器头获取到该信号的时间或位置为何。可由各种函数呈现相关曲线，诸如多项式函数，或与线性内插结合的查找表(LUT)。

[0045] 参照图1B与图2，传感器头相对于基板10的位置改变，可造成来自原位监测系统160的信号改变。换言之，随着传感器头跨基板10扫描，原位监测系统160将对基板10上不同位置的多个区域94(例如测量点)进行测量。区域94可以是部分重叠的(见图2)。

[0046] 图4图示说明图形420，图形420示出在传感器头单次通过基板10下方期间的来自原位监测系统160的信号401。信号401由传感器头扫过基板下方时的来自传感器头的一系列的个别测量结果组成。图形420可以是测量时间或基板上的测量位置(例如径向位置)的函数。在任一情况中，信号401的不同部分对应于传感器头所扫描的基板10上的不同位置处的测量点94。因此，图形420描绘针对传感器头所扫描的基板的给定位置的来自信号401的对应的所测得信号值。

[0047] 参照图2与图4，信号401包含第一部分422、第二部分424与第三部分426，第一部分422对应于在传感器头跨过基板10前缘时基板10边缘区域203中的位置，第二部分424对应于基板10中央区域201中的位置，第三部分426对应于在传感器头跨过基板10后缘时边缘区域203中的位置。信号亦可包含部分428，部分428对应于基板外的测量结果，即在传感器头扫描超过图2中基板10的边缘204以外的区域时所产生的信号。

[0048] 边缘区域203可对应于其中传感器头的测量点94覆盖基板边缘204的基板部分。中央区域201可包含邻接边缘区域203的环形锚区域202，以及由锚区域202围绕的内侧区域205。传感器头可扫描传感器头路径210上的这些区域，并产生对应于沿着路径210的位置序列的测量结果序列。

[0049] 在第一部分422中，信号强度从初始强度(通常为在不存在基板与承载头时所产生的信号)斜坡式上升至较高强度。这是因为监测位置从初始的仅稍微在基板边缘204覆盖基板的监测位置(产生初始的较低值)转移至几乎完全覆盖基板的监测位置(产生较高值)。类似的，在第三部分426中，当监测位置转移至基板边缘204时，信号强度斜坡式下降。

[0050] 虽然将第二部分424图示说明为平的，但这是为了容易图示，且第二部分424中的真实信号将可能包含由于噪声与层厚度变异两者所造成的扰动。第二部分424对应于扫描中央区域201的监测位置。第二部分424包含子部分421与423以及子部分427，子部分421与423由扫描中央区域201的锚区域202的监测位置所产生，子部分427由扫描中央区域201的内侧区域205的监测位置所产生。

[0051] 如前述，区域422、426中的信号强度变异，部分是由传感器覆盖基板边缘的测量区域所产生，而非由正被监测的层的厚度或导电性的本征变异所产生。因此，信号401的此失真，在计算靠近基板边缘的基板特性值(例如层厚度)时可产生误差。为了解决此问题，控制器190可包含神经网络(例如图5的神经网络500)，以基于与基板10的一或更多个位置对应的所测得信号，产生与这些位置对应的经修改信号。

[0052] 现参照图5，神经网络500经配置以在经过适当训练时，产生经修改信号，以减少和/或移除基板边缘附近的所计算的信号值的失真。神经网络500接收一组输入504，并通过一或更多个神经网络层处理输入504，以产生一组输出550。神经网络500的层包含输入层510、输出层530、与一或更多个隐藏层520。

[0053] 神经网络500的每一层包含一或更多个神经网络节点。神经网络层中的每一神经网络节点(从给神经网络500的输入504，或从先前神经网络层的一或更多个节点的输出)接收一或更多个节点输入值，根据一或更多个参数值处理节点输入值以产生启动值，且任选地对启动值施加非线性转换函数(例如S形(sigmoid)或正切(tanh)函数)以产生神经网络节点的输出。

[0054] 输入层510中的每一节点接收对神经网络500的输入504中的一个，作为节点输入值。

[0055] 对神经网络的输入504包含来自原位监测系统160对基板10上多个不同位置的所测得信号值，诸如第一测得信号值501、第二测得信号值502、以至第n测得信号值503。所测得信号值可以是信号401中的值序列的个别值。

[0056] 一般而言，多个不同位置包含在基板10的边缘区域203与锚区域202中的位置。在一些实施例中，多个不同位置仅位于边缘区域203与锚区域202中。在其他实施例中，多个不同位置延展在基板的所有区域中。

[0057] 这些所测得信号值被接收于信号输入节点544。任选地，神经网络500的输入节点504亦可包含一或更多个状态输入节点516，状态输入节点516接收一或更多个工艺状态信号504(例如对于抛光设备100的垫110的磨耗程度的测量)。

[0058] 隐藏层520与输出层530的节点被图示说明为接收来自先前层的每一节点的输入。此即完整连接的前馈神经网络的情况。然而，神经网络500可以是非完整连接的前馈神经网络，或非前馈神经网络。再者，神经网络500可包含下列的至少一者：一或更多个完整连接前馈层；一或更多个非完整连接前馈层；以及一或更多个非前馈层。

[0059] 神经网络在输出层530的节点(即“输出节点”550)处产生一组经修改信号值550。在一些实施例中，对馈送至神经网络500的来自原位监测系统的每一所测得信号存在一输出节点550。在此情况中，输出节点550的数量可对应于输入层510的信号输入节点504的数量。

[0060] 例如，信号输入节点544的数量可等于边缘区域203与锚区域202中的测量次数，并可存在相等数量的输出节点550。因此，每一输出节点550产生与作为输入供应给信号输入节点544的相应的所测得信号对应的经修改信号，例如针对第一测得信号501的第一经修改信号551、针对第二测得信号502的第二经修改信号552、以及针对第n测得信号503的第n经修改信号553。

[0061] 在一些实施例中，输出节点550的数量少于输入节点504的数量。在一些实施例中，输出节点550的数量少于信号输入节点544的数量。例如，信号输入节点544的数量可等于边缘区域203中的测量次数，或可等于边缘区域203与锚区域202中的测量次数。再次说明，输出层530的每一输出节点550产生与作为信号输入节点504供应的相应的所测得信号对应的经修改信号，例如针对第一测得信号501的第一经修改信号551，但仅针对接收来自边缘区域203的信号的信号输入节点554。

[0062] 抛光设备100可使用神经网络500以产生经修改信号。经修改信号随后可用于确定基板的第一位置群组中的每一位置的厚度，例如边缘区域(以及可能锚区域)中的位置。例如返回参照图4，针对边缘区域的经修改信号值可提供信号401的经修改部分430。

[0063] 可使用静态公式(例如相关曲线)将经修改信号值430转换成厚度测量结果。例如，控制器190可使用神经网络500以确定基板的边缘位置与一或更多个锚位置的厚度。相对的，控制器190可直接使用静态公式，产生对于其他区域(例如内侧区域205)的厚度测量结果。换言之，来自其他区域(例如内侧区域205)的信号值可被转换成厚度值，而不用由神经网络修改。

[0064] 在一些实施例中，对于对应于给定测量位置的经修改信号值，神经网络500可被配置为在确定经修改信号值的过程中，仅使用来自此给定位置的预定距离之内的测量位置的输入信号值。例如，若接收到对应于路径210上的N个循序位置处的测量结果的信号值S1、S2、...、SM、...SN，则对于第M位置(指示于RM)的经修改信号值S'M，可仅使用信号值SM-L(min 1)、...SM、...SM+L(max N)以计算经修改信号值S'M。L的值可被选定，以使用距离达约2-4mm的测量结果来产生给定的经修改信号值S'M；可使用测量结果SM的位置的约1-2mm(例如1.5mm)内的测量结果。例如，L可以是来自范围0至4的数(例如1或2)。例如，若使用3mm内的测量结果，且测量结果之间的间距为1mm，则L可以是1；若间距为0.5mm，则L可以是2；若间距为0.25则L可以是4。然而，这可取决于抛光设备与处理条件的配置。在计算经修改信号值S'M时仍可使用其他参数值(例如垫磨耗度)。

[0065] 例如，一或更多个隐藏层520可存在数个隐藏节点570(即“隐藏节点570”)，数量等于信号输入节点544的数量，而每一隐藏节点570对应于相应的信号输入节点544。每一隐藏节点570可与对应于针对一些位置的测量结果的输入节点544断开连接(或对这些输入节点具有零参数值)，这些位置大于对应的输入节点的测量位置的预定距离。例如，第M隐藏节点可与第1至第(M-L-1)输入节点544和第(M+L+1)至第N输入节点断开连接(或对这些输入节点具有零参数值)。类似的，每一输出节点560可与对应于针对一些位置的经修改信号的隐藏节点570断开连接(或对这些隐藏节点具有零参数值)，这些位置大于输出节点的测量位置的预定距离。例如，第M输出节点可与第1至第(M-L-1)隐藏节点570和第(M+L+1)至第N隐藏节点断开连接(或对这些隐藏节点具有零参数值)。

[0066] 在一些实施例中，抛光设备100可使用静态公式以确定第一组基板的多个位置(例如边缘区域内的位置)的厚度。这些基板可用于产生训练数据，训练数据用于训练神经网络。接着，抛光设备100可使用神经网络500以产生经修改信号，经修改信号用于确定第二组基板的多个位置(例如边缘区域内的位置)的厚度。例如，抛光设备100可应用静态公式以确定第一组基板的厚度值，并使用经训练的神经网络500以产生经修改信号，经修改信号用于确定第二组基板的厚度值。

[0067] 图6为用于抛光基板10的示例过程600的流程图。过程600可由抛光设备100执行。

[0068] 抛光设备100抛光(602)基板10上的层，并在抛光期间监测(604)所述层以产生对于所述层上不同位置的所测得信号值。层上的位置可包含基板的边缘区域203(对应于信号401的区域422/426)内的一或更多个位置，以及基板上的锚区域202(对应于信号的区域
421/423)内的一或更多个位置。锚区域202与基板边缘204间隔开，且位于基板的中央区域
201内，且因此不受到由基板边缘204产生的失真的影响。然而，锚区域202可邻接边缘区域
203。锚区域202亦可围绕中央区域201的内侧区域205。锚位置的数量可取决于原位监测系统160的测量点尺寸与测量频率。在一些实施例中，锚位置的数量不能超过一最大值(诸如最大值4)。

[0069] 抛光设备100基于这些位置的所测得信号产生(606)对于不同位置中的每一位置的厚度的估算测量结果。这包含通过神经网络500处理所测得信号。

[0070] 对神经网络500的输入可以是由原位监测系统160针对不同位置所产生的原始所测得信号(或经更新的所测得信号)。在一些实施例中，设备100通过将信号值标准化来更新每一所测得信号。这种标准化可提升对神经网络系统500的输入504中的至少一些落入特定范围的机率，进而可提升神经网络训练的质量和/或神经网络500所作出的推理的精确度。

[0071] 神经网络500的输出为经修改信号，每一经修改信号对应于一输入的所测得信号。若所测得信号为经过标准化的值，则对应于所测得信号的经修改信号亦将为经过标准化的值。因此，在使用这种经修改信号估算基板的厚度之前，抛光设备100可需要将经修改信号转换成非标准化的值。

[0072] 抛光设备100基于每一个对厚度的估算测量结果，检测(608)抛光终点和/或修改抛光参数。

[0073] 图7为用于使用神经网络500产生对厚度的估算测量结果的示例过程700的流程图。过程700可由抛光设备100执行。

[0074] 抛光设备100识别(702)基板的一组位置中的锚位置，并获取(704)针对这组位置的每一位置的所测得信号。在一些实施例中，锚位置与基板的边缘间隔开。

[0075] 抛光设备100基于锚位置的所测得信号，标准化(706)每一所测得信号(例如通过将每一所测得信号除以锚位置的所测得信号)，以更新所测得信号。抛光设备100接着通过神经网络500处理(708)经更新的所测得信号，以对每一经标准化的所测得信号产生经修改信号，并使用锚位置的所测得信号将经修改信号转换(710)成非标准化值(例如通过将每一所测得信号乘以锚位置的所测得信号)，以更新所测得信号。抛光设备100随后使用(612)非标准化经修改信号来产生神经网络500的这组位置的每一位置的厚度的估算测量结果。

[0076] 图8为用于训练神经网络500以产生所测得信号群组的经修改信号的示例过程800的流程图。过程800可由经配置以训练神经网络500的一或更多个计算机的系统执行。

[0077] 系统获取(802)对厚度的估算测量结果，这些估算测量结果是由神经网络500基于输入值而产生，输入值包含对于基板的一组位置中的每一位置的所测得信号。系统亦获取(804)对于这组位置中的每一位置的厚度的参考真实测量结果(ground truth measures)。系统可使用电性阻抗测量方法(诸如四点探针法(four-points probe method))产生对厚度的参考真实测量结果。

[0078] 系统计算(806)对厚度的估算测量结果与对厚度的参考真实测量结果之间的测量结果误差，并基于测量结果误差更新神经网络500的一或更多个参数。为此，系统可利用使用具有反向传播的梯度下降的训练算法。

[0079] 监测系统可用于各种抛光系统中。抛光垫或承载头(或抛光垫与承载头两者)可被移动，以提供抛光表面与基板之间的相对运动。抛光垫可以是固定至平台的圆形(或一些其他形状)的垫、延伸于供应辊与卷取辊(take-up roller)之间的卷带、或连续带。抛光垫可被附加至平台上、在抛光操作之间增量地推进于平台上、或在抛光期间被连续地驱动于平台上。在抛光期间可将垫固定至平台，或者在抛光期间可在平台与抛光垫之间承载流体。抛光垫可以是标准(例如具有(或不具有)填料的聚氨酯)粗垫、软垫、或固结磨料垫。

[0080] 尽管上面的讨论集中在涡电流监测系统上，但这些校正技术可被应用于扫描基板边缘的其他类型的监测系统，例如光学监测系统。此外，虽然上面的讨论集中在抛光系统，但这些校正技术可应用于其他类型的基板处理系统，例如包括扫描基板边缘的原位监测系统的沉积或蚀刻系统。

[0081] 已说明了本发明的数个实施例。然而应了解到，可进行各种修改，而不脱离本发明的精神与范围。因此，存在落在下列权利要求的范围内的其他实施例。

标题	发布/更新时间	阅读量
电梯以及电梯的层站引导装置	2020-05-08	395
一种基于人工神经网络的高速公路智能预养护方法及系统	2020-05-08	861
一种基于卷积神经网络的大坝变形预测系统和方法	2020-05-08	781
快速验证电路板组件三防涂料性能的方法	2020-05-08	631
燃气轮机叶片层式流水线	2020-05-08	366
神经网络量化方法、装置及电子设备	2020-05-08	817
兼具高隔离度和稳定输入匹配的毫米波开关键控调制器	2020-05-08	568
一种少井条件下的油页岩预测方法	2020-05-08	881
一种水源污染预警方法及系统	2020-05-08	85
一种交流电缆改直流运行的长期电压试验系统	2020-05-11	743

使用神经网络来监测的抛光装置

使用神经网络来监测的抛光装置

技术领域

背景技术

附图说明

具体实施方式

该功能需要专业版企业版VIP权限，您可以：